一种Vague集上的直接聚类法

Vague集是Fuzzy集的扩展,在给出几种构造Vague集相似矩阵方法的基础上,将Fuzzy集上的编网法和最大树法引入到Vague集上,定义了Vague关系图,并给出了基于Vague集的直接聚类法：编网法和最大树法。最后使用文献[1]中的例子,分别采用Vague传递闭包法和Vague直接聚类法进行计算。实验结果表明,Vague直接聚类法计算简单,不会造成原始信息的失真,比Vague传递闭包法更加有效。     

基于Vague集的模糊决策方法

目前在智能领域中对Vague集的研究已越来越广泛与深入．并运用于决策问题中．为了更加有效地进行模糊决策，提出了一个基于Vague集的模糊决策方法．在这个方法中，对约束条件，从它出现的可能性和不出现的可能性以及未知是否出现的可能性三个方面去综合处理．使得决策更加准确和有效．还给出了一个实例说明这种基于Vague集的模糊决策方法．这个基于Vague集的模糊决策方法的提出，为决策系统提供了一个有用的工具．     

Vague集相似度量方法

提出一种新的Vague集相似度量方法,并证明了它满足若干准则。指出了现有方法的不足,并通过实例说明了该方法的有效性和优越性。     

Vague 集之间相似性的度量方法

指出现有Vague集相似度量方法的不足,分析了其存在不足的根本原因,给出了一种Vague集相似度量的新的计算方法.通过实例说明了该计算方法的有效性和合理性.     

Vague集的新相似度量方法

本文指出了现有Vague集相似度量方法的不足,提出一种新的Vague集相似度量方法,并证明了它的有效性.     

离散Vague集的相似度

全面分析了近年来百余篇关于Vague集理论及应用的论文,将以往Vague集的相似度分为5类,指出了它们存在的一些不足之处。在此基础上,给出了更一般的离散Vague集间的相似度。     

多目标模糊决策Vague软集法

在智能领域中对Vague集和软集的研究已越来越广泛和深入,两者均已应用于决策问题中.为了更加有效地进行模糊决策,提出了一种基于Vague软关系的模糊决策方法.定义Vague软关系,构造Vague软集间的关系表格,利用一个新的评分函数对目标进行排序,选出最优目标.通过实例阐明该方法的有效性和实用性.     

基于Vague集相似度量的模糊分类

在区间值模糊集理论和Vague集理论的基础上,提出了一种新的基于Vague集相似度量的模糊分类方法,对Fisher建立的Iris数据库进行了分类实验处理,分类结果的正确率超过95%。该方法计算简单有效,具有一定的实际应用价值。     

基于最大最小值的Vague集相似度量方法

通过分析现有Vague集相似度量方法,指出这些方法虽然满足相似度量基本准则,但是在描述Vague集相似性上存在不足之处,并且度量的准确度较低,在分析Vague值的支持度、反对度及其补集之间的最大最小值关系的基础上研究Vague集相似度量方法,给出一种新的Vague集相似度量方法,并证明该方法满足相似度量的基本准则。通过与现有相似度量方法的比较,说明该相似度量方法克服了现有相似度量方法的不足,符合人们的直观感受,能够合理、有效地区分数据。     

基于Vague熵的Vague集相似度量

对当前Vague集相似度量及Vague熵之间的关系进行了分析,指出它们并不匹配,本文分析了Vague熵的影响因素,给出一种新的Vague熵定义及一种新的计算公式,提出基于熵的Vague集新相似度量,与现有方法相比,本文的方法可以像普通模糊集一样,一个Vague集的熵可由它与它的补集间的相似度量较好地刻画.     

Vague集的相似度量及其在聚类分析中的应用

在智能系统的研究与开发中,聚类分析是一个非常重要的问题。提出了一个基于未知度和核的Vague集间的相似度量公式。在考虑算法自主性和计算复杂性的基础之上,通过参考Fuzzy集中的相关聚类分析方法,给出了一种以Vague集的相似度量为评价准则的直接聚类算法。使用相似度量公式,分别采用Vague 传递闭包法和Vague 直接聚类法进行计算,实验结果表明,基于Vague 相似度量的直接聚类法计算简单,不会造成原始信息的失真,而且对数据量的大小均无特别的要求,比Vague 传递闭包法更加有效。     

关于“Vague集向Fuzzy集的转换函数”的注记

结合Vague集理论及投票模型下的解释,对“Vague集向Fuzzy集的转化函数”进行了分析,指出了其存在的不足之处,提出了两种Vague集转化为Fuzzy集的新方法,并证明了其有效性。     

Vague集转化为Fuzzy集的新方法

结合Vague集理论及投票模型下的解释,对Vague集向Fuzzy集转化的方法进行了分析,指出已有方法存在的不足之处,提出了一种Vague集转化为Fuzzy集的新方法,并证明了该方法的有效性。     

Vague集向Fuzzy集转化的方法分析

介绍了Vague集与Fuzzy集的特点,结合Vague集理论及投票模型下的解释,对Vague集向Fuzzy集转化的多种方法进行了分析,指出已有方法的不足,根据Vague集的三维特性并结合人的心理变化情况首次直观地提出一种新的有效非线性方法,并通过实例说明该方法的正确性和直观性。     

Vague的等价聚类分析

聚类分析在现实生活中有着重要的应用.参考模糊集中有关等价聚类分析的方法,在Vague集的等价关系基础上,提出了Vague集的等价聚类分析中如等价矩阵、at,af截矩阵等一些基本理论,给出了Vague集的等价聚类分析一个具体的方法--传递闭包法,最后以一个具体的实例,验证了Vague集理论的等价聚类分析的可行性.     

一种Vague集向Fuzzy集转化的新方法

基于Vague集理论及投票模型下的解释,介绍了Vague集向Fuzzy集转化的一些方法,并指出了这些方法的不足,在此基础上提出了一种新的转化方法,并证明了该方法的有效性,实例表明该方法比已有的方法更合理。     

二元截集下的Vague集的分解定理

为了揭示Vague集和经典集之间的联系,在Vague集二元截集的基础上,提出了两个新的Vague集的分解定理。Vague集的分解定理表明Vague集可以由它分解出的截集簇来表示,而这些截集簇都是普通集。最后实例说明了其有效性。     

基于Vague图的最优树聚类

在智能系统的开发和研究中,聚类分析是一个很重要的问题。为了减少传统的基于等价关系的聚类分析方法所造成的数据“失真”程度,提出了Vague图的最优树聚类方法,该方法引入了Vague树的概念,并通过计算最小二分割设计出Vague最优树,将该方法与基于等价关系的聚类分析方法和直接聚类法进行比较分析,结果表明该方法不仅仅有效地减少了“噪声”,还具有连续性和全面性的特点,其聚类水平也更加合理。     

多目标模糊决策的Vague软集法

在智能领域中对Vague集和软集的研究已越来越广泛和深入,两者均已应用于决策问题中。为了更加有效地进行模糊决策,提出了一种基于Vague软关系的模糊决策方法。定义Vague软关系,构造Vague软集间的关系表格,利用一个新的评分函数对目标进行排序,选出最优目标。通过实例阐明该方法的有效性和实用性。